Cómo uso AI: una guía pragmática

Aunque ya he hablado de Prompt Driven Development y de mi workflow en la guía de Claude Code, la realidad es que nada permanece fijo demasiado tiempo en este sector. El workflow de hoy no será el de mañana.

Así es la vida con la IA.

Por ahora, mi viaje ha ido del escepticismo total a la curiosidad, de ahí a la obsesión y, finalmente, al pragmatismo. Es aquí donde me siento más cómodo: entusiasmado, sí, pero más difícil de impresionar.

En un ecosistema donde cada semana alguien proclama la "revolución definitiva", el escepticismo calibrado es higiene mental.

A pesar de todo, lo mantengo: Si quieres entender de verdad lo que la IA puede hacer por ti como profesional, debes ir "all in".

Esto me lleva al tema de este artículo:

¿Cómo se usa la IA de forma realista en el día a día de un profesional?.

No desde la teoría ni desde el contenido sin alma de LinkedIn, sino en situaciones reales, con personas de carne y hueso.

Cómo usar AI de forma pragmática

Ser pragmático no es lo mismo que ser práctico ni simplemente eficaz.

Ser pragmático es priorizar lo que funciona en la realidad, no lo que dice la teoría.

Ya hay mucha gente eficaz, capaz de ejecutar tareas sin dirección durante horas. La efectividad es otra cosa: significa avanzar hacia lo que importa, lograr un cambio real, conseguir resultados, aunque sean minúsculos.

Para mí, el pragmatismo consiste en dejar de perder el tiempo en lo correcto para enfocarte en lo útil.

Con esto en mente, hace tiempo preparé una charla llamada "The Pragmatic Guide to AI in Frontend". En ella me baso para escribir este artículo, aunque aquí lo expanda con más detalles sobre mi propia forma entender y utilizar AI en mi profesión.

Mi brújula en la era AI

Cuando hablamos de IA, me baso en tres principios o modelos mentales que actúan como un compás en medio del ruido. Sin ellos, es fácil perderse o, peor aún, acabar paralizado. No necesitas estar de acuerdo con los míos —de hecho, no lo vas a estar, pero necesitas tener los tuyos.

De lo contrario, la inercia de la industria te arrastrará.

1. Incomodidad como señal

Cualquier cambio que realmente importa produce resistencia interna. Es 100% humano.

Sentir desconfianza o escepticismo ante la IA no es un defecto, es una señal de que te importa tu craft.

Lo importante es que seas consciente de esto: la fricción no la genera la tecnología, la generas tú.

Déjame ser más directo: tu cerebro paleolítico ve la IA como una amenaza territorial. Normal. Pero mientras tú procesas tu trauma existencial, otros están sacándole partido.

Tu inacción ahora es un enorme coste de oportunidad que quizás no puedas permitirte.

No te pido que te guste. No tiene que gustarte. Te pido que respondas a pesar de que no te guste.

A medida que la IA redefine tu terreno de juego profesional, tu rechazo o indiferencia no ralentiza el cambio; solo te frena a ti.

2. Oportunidad masiva

Nunca habíamos vivido un "reset" de esta magnitud en el trabajo del conocimiento.

Por primera vez en décadas, las barreras de entrada, los títulos y los años de experiencia están perdiendo parte de su poder.

Esto es una redistribución real de oportunidades: un level playing field para quien esté dispuesto a reaprender.

Esto no significa que todos ganen. Significa que las ventajas que todos conocemos ya no garantizan victoria.

Lo que hoy parece una amenaza, mañana puede ser lo que dispare tu carrera.

3. Compromiso total

Aquí no sirve la nostalgia ni el lamento. No hay vuelta atrás.

Cuando la ola de la IA baje, nada será igual: tus rutinas, tus herramientas, tus estándares, tu valor en el mercado. Todo ser verá (de alguna forma y en mayor o menor medida) afectado por la IA.

Probablemente te esté afectando ya.

Puedes aceptar eso a medias, esperar que pase, o resistir en modo supervivencia.

Pero, para mí, la única opción que realmente importa es comprometerte: Ir a por todas.

Una aceptación tibia no basta.

No me refiero pasión ni a "creer en ti mismo". Hablo de compromiso: dedicar tiempo real a experimentar, romper cosas, equivocarte: aprender.

El compromiso no es emocional, es conductual. Haces o no haces.

Consejos para aprender IA

En mi propio proceso experimentando con IA —a nivel profesional y personal— he cometido la mayoría de errores posibles. No me avergüenzo: es el peaje por intentar aprender.

Por otro lado también he dado con situaciones y comportamientos que me han ayudado a encontrar algo de luz en medio de todo el caos.

Te dejo aquí los que considero más importantes, para que los tengas en cuenta.

Confía, pero verifica

Empieza con intención: la IA no decide por ti; tu criterio es el que manda. Ten un plan antes de empezar.
IA es primer borrador, nunca versión final: usa el modelo para generar, pero la decisión es tuya.
Si no validas, eres prescindible: tragar sin revisar no es profesionalismo, es estupidez.

No te auto reemplaces

Crea fricción artificial: si la asistencia es demasiado embebida, pasas a ser un espectador.
Sigue programando de alguna forma: la herramienta cambia, pero el oficio sigue siendo tuyo. No cedas todo el control.
La atrofia cognitiva es real: cuanto más delegas, más se atrofia tu criterio. Úsalo o piérdelo.

Scratch your own itch

Parte de un problema real: si no te importa, abandonarás cuando aumente la fricción o delegarás todo el proceso.
Aprende haciendo: construye, rómpelo, depúralo, repite hasta que funcione.
Comparte lo que se rompe: los insights reales están en los errores, no en los aciertos.

Cuidado con el FOMO

No te engañes: una IA es solo una herramienta, no magia.
No tienes que estar en todas partes, no tienes que probarlo todo, no tienes que subirte a todas las olas.
La amplitud vende bien en social media, pero la profundidad es lo que te salva el cuello en el mundo real.

Ignora a los gurús

Aunque existen tendencias y predicciones, nadie —repito, nadie— sabe hacia dónde va la IA.
El 90% de lo que verás es marketing disfrazado de consejo técnico: pelean por tu atención, no por tu desarrollo.
Si alguien te vende "el método definitivo" o te reduce la complejidad a reglas binarias, corre en dirección contraria.

Entiende lo que es "vibe coding"

El "vibe coding" es la versión tech del síndrome del impostor invertido: no eres un impostor que se siente incompetente, eres un incompetente que se siente experto.

La IA genera código que parece profesional, tú lo pegas, funciona (más o menos), y de repente eres "full-stack developer". Hasta que algo se rompe y no tienes ni idea de por qué.

Entonces descubres que eres imbécil.

Así que, por favor, recuerda:

El desarrollo profesional sigue siendo duro. No todo el mundo puede hacerlo, y la IA no cambia eso.
La IA te puede dar una falsa sensación de progreso. Sientes que avanzas, pero en realidad estás jugando a developer.
Es cosplay: te pones la bata, hablas como si supieras, pero si rascas un poco, no hay nada detrás.

Como uso AI

Antes de entrar en los detalles técnicos, recordarte que sigo mis propias reglas —las que te acabo de contar arriba.

Tuve que desaprender. Fui el primero en desafiar mis propios prejuicios. A nadie le gusta cambiar, pero si no lo haces, te cierras muchas puertas interesantes.
Como parte de mi aprendizaje, escribo. Lo documento todo: lo que funciona y lo que no. Si no puedes escribirlo no puedes explicarlo. Si ni puedes explicarlo, es que no lo has entendido.
No escribo solo para mí. El hecho de que leas esto confirma que mi proceso no es teoría; tiene un mínimo de impacto real y compartido.
Pero, sobre todo, llevo lo aprendido a problemas de verdad. Mis problemas. No me limito a experimentar: aplico cada avance para resolver algo que me importa —o que realmente necesita una solución.

Mis herramientas

Esto es lo que uso cada día para trabajar con IA. No busco convertirme en "experto en IA”. Solo quiero aumentar mi capacidad, delegando lo que no merece mi atención o, directamente, no conecta conmigo.

Editor: Uso Cursor solo por su autocompletado, que sigue estando a años luz del resto. Me da igual ir desincronizado con VSCode si eso significa escribir más rápido y mejor.
Agente AI: Claude Code. Sin sorpresas, sin configuraciones esotéricas. Lo uso como herramienta separada —no quiero IA pegada al editor todo el tiempo. Prefiero la fricción: me obliga a pensar, no a dejarme llevar.
Terminal: Warp. IMO tiene la mejor UI (sin entrar en Unix/Linux) y autocompletado. Si mañana falla o añade (aún) más telemetría, vuelvo a iTerm2 y sigo trabajando igual.

Si esperabas algo revolucionario, siento decepcionarte.

Arriba te aconsejaba que no te reemplaces por esta razón. Cambiar completamente tu workflow solo por la AI es una forma de quitarte de en medio y ceder tu identidad. Paso de comprometerme con stacks exóticos ni depender de una sola empresa por causa de la IA.

Mi plan B:

Si Cursor se va a la mierda, vuelvo a VSCode.
Si Claude Code deja de encajar, pruebo Gemini CLI, Codex… o quizás vuelvo a escribir código sin asistencia.
Si Warp se tuerce, abro la terminal de siempre y no pierdo nada.

Las herramientas son implementaciones temporales. Hoy uso estas, mañana serán otras.

La única constante es no aferrarme a ninguna.

Mi workflow AI

flowchart LR
    Explore --> Plan
    Plan --> Execute
    Execute --> Preserve
    Preserve --> Clean
    Plan <---> Execute

La mayoría de “workflows con IA” que ves ahí fuera son fantasías post-hoc. Tan prístinos y elegantes que parecen diseñados para vender, no para trabajar.

Mi workflow real es más caótico. Lleno de idas, vueltas, callejones sin salida y momentos de “¿qué coño estoy haciendo?”.

Esto es la versión destilada —la realidad es más sucia, pero aquí tienes lo esencial.

1. Explorar

La fase más importante. Todo lo que viene después depende de lo que hagas aquí.

Invierte el tiempo que haga falta hasta entender lo necesario —tú y el modelo— para operar sobre la base de código.

Conversa, pregunta, itera, adjunta docs, desafía tu perspectiva y la del modelo. Cuando sientas que de verdad hay entendimiento mutuo, avanza.

Uso el modelo como asistente para entender la base de código y definir expectativas realistas.
El objetivo es crear un documento vivo (CLAUDE.md si usas Claude Code o PROJECT.md con cualquier otro modelo) que recoge lo relevante del proyecto, tanto para la IA como para mí.
Sin esa base, el contexto se dispersa y las decisiones importantes se pierden en el ruido.

2. Planificar

Siempre creo mi propio plan, un to-do list real (en Notion, Markdown, lo que sea) y lo mantengo actualizado. Tras cada ciclo (Planificar → Ejecutar → Preservar → Limpiar), puedo volver a presentarlo en un contexto limpio y empezar sin lastre.

No confío ciegamente en los "planes" que generan los modelos: todos tienden al drifting en cuanto la cosa se complica.
Siempre creo/actualizo mi propio plan y lo comparto con la IA. Puede ajustarse con sus sugerencias, pero el control es mío.
Si has explorado bien, el plan encaja como un guante y le da al modelo el contexto exacto que necesita: global del proyecto y local de la tarea.

3. Ejecutar

No importa si delegas el primer borrador o no: lo crucial es que llegues aquí sabiendo qué quieres conseguir. Cada tarea es un eslabón de TU plan, no del modelo. En mi experiencia suele ayudar bastante dar al modelo algunos bullet points generales que detallen cómo resolverías la tarea.

Cada tarea del plan es atómica, lo que me permite avanzar paso a paso reduciendo ambigüedades.
Suelo dejar que el modelo genere la primera versión, pero —casi— nunca es la definitiva.
Por eso suelo entrar en un loop planificar ←→ ejecutar, corrigiendo y refinando hasta lograr el resultado que quiero.

4. Preservar

La efectividad de este workflow depende de mantener la información actualizada.

Tras cada iteración (o commit), reviso qué merece la pena documentar. Pregunto al modelo, reviso y actualizo el documento conjunto. El objetivo: que cualquier nueva conversación tenga TODO el contexto necesario.

Documentar el resultado es obligatorio: en control de versiones y luego PROJECT.md, CLAUDE.md o donde sea.
Clave: el nivel de detalle debe permitir que tú —o cualquier IA— puedas retomar el proyecto desde cero sin perder contexto, porque eso es exactamente lo que harás.
La documentación no es burocracia: es supervivencia. Invierte el tiempo que necesites en mantener sincronizada tu documentación.

5. Limpiar

El contexto se degrada con el uso. No hay que llenarlo siempre al máximo si no es estrictamente necesario. Si documentas bien, no pierdes nada por limpiar pero sin embargo tienes mucho que ganar.

Al arrancar una conversación nueva tras limpiar, referencio el documento del proyecto y adjunto de nuevo mi plan/to-do list actualizado. Eso basta para retomar exactamente donde lo dejamos, con todo el ancho de banda libre.

Aunque los modelos ahora soportan contextos gigantescos, la claridad sigue siendo insustituible.
No se trata de llenar el modelo de información; se trata de quedarte solo con lo esencial para la tarea actual.
Limpiar el contexto (/clear) y empezar de nuevo evita errores, deriva y ruido innecesario.

Conclusión

Incluso el modelo AI más obsoleto es capaz de procesar patrones a una velocidad que el ser humano jamás podrá igualar.

¿Es realmente importante?. Solo si lo único que tienes que ofrecer es velocidad o volumen.

La diferencia la pone el criterio, la dirección y la creatividad humana.

Cerrarte y resistirte te puede hacer irrelevante. Dejarte llevar sin criterio te vuelve prescindible.

Usar asistencia AI a nivel profesional solo amplifica lo que ya existe. No es una fuente de nada, per-sé.

No te puede hacer más inteligente, pero sí más visible.

Puede abrir puertas que antes estaban cerradas, pero solo si ya tienes algo que merezca la pena amplificar.

No es ni tu amiga ni tu salvadora. Tampoco es el apocalipsis que a algunos les gustaría.

Es el catalizador de un cambio. Un movimiento que está alterando las reglas del juego.

Un juego al que todos tenemos que seguir jugando.

Ignóralo bajo tu propio riesgo.